Актуальность состоит в том, что определение результатов деятельности компаний, занятых добычей и переработкой нефти в России, на основе использования искусственного интеллекта, имеет важное значение в современных условиях. Стремительное изменение бизнес-процессов, с непрерывной их автоматизацией, на предприятиях нефтяной отрасли РФ делает востребованным использование AI-систем, которые находят все более широкое применение с развитием «диджитализации» экономики, как важнейшего компонента нового технологического уклада – «Индустрия 4.0».
Представляется целесообразным сформировать систему искусственного интеллекта, при помощи которой можно получить прогноз чистой прибыли нефтяной компании поквартально. В процессе исследования была сформирована система искусственного интеллекта (AI) персептрон.
Цель работы: сформировать нейросетевой прогноз чистой прибыли нефтяной компании «Роснефть» на следующий квартал на основе использования AI-системы.
Материалы и методы исследования
При проведении исследований авторами использовались методы: монографический, аналитический, система искусственного интеллекта.
Результаты исследования и их обсуждение
Исследования показали, что проблемам деятельности предприятий нефтяной отрасли посвящены труды многих ученых. Это связано прежде всего с тем, что нефтяная отрасль всегда находилась в поле зрения российских и зарубежных ученых, поскольку обеспечивала существенную долю налоговых поступлений в бюджет РФ. Так, Королевой А.М. был проведен стратегический анализ деятельности нефтяных компаний в условиях кризиса [1, с. 712–717], Смирновой Н.В. и Пикаловой Т.А. проведены исследования по вопросам эффективной работы нефтедобывающих предприятий [2, с. 458–461], Сафиной А.Р. были выявлены факторы, влияющие на эффективность работы нефтяных компаний [3, с. 458–461].
В современных условиях очень важно сфокусироваться на исследовании рисков и угроз в нефтедобывающей и нефтеперерабатывающих отраслях. Представляют приращение научного знания работы Гребенникова В.А. и Баранова П.В., в которых были затронуты методы идентификации рисков на предприятиях нефтяной отрасли [4, с. 28–36], а также труды Лебедева А.С. и Теньковской С.А., которые отражают направления развития нефтяной отрасли в условиях кризиса [5, с. 38–43]. Актуальным, на наш взгляд, следует признать исследование Овинниковой К.Н., исследовавшей использование процессного подхода в нефтяной отрасли [6, с. 537].
Важное место в современных исследованиях ученые отводят выявлению проблем и поиску путей, обеспечивающих рост эффективности работы компаний нефтяной отрасли. Так, например, Столяренко К.Г., Еникеева Т.М. и Гайнуллина Р.Ф. исследовали вопросы эффективности работы нефтяных компаний [7, с. 20–23]. Заслуживает внимания исследование Шайденко А.А., в котором была предпринята попытка разработать механизм стимулирования инновационной деятельности предприятий нефтяной отрасли [8, с. 219].
Многие труды отечественных авторов имеют целью решение проблемы формирования прогнозов финансовых результатов деятельности. Среди них можно отметить труды таких ученых, как Матковская Я.С. [9], Сазонов С.П. [10] и др.
Однако практика показывает, что остаются не проработанными некоторые вопросы, требующие к себе внимания. Поэтому так важно осуществлять разработку ряда вопросов на основе применения систем искусственного интеллекта в целях устойчивого роста и развития нефтяного сектора.
Общеизвестно, что России принадлежит мировое лидерство среди компаний нефтяной сферы – 10,11 млн барр./сутки; за нею, занимая второе место, следует Саудовская Аравия – 9,735 млн барр./сутки. Среди потребителей нефти мировым лидером выступают США – 19,0 млн барр./сутки, а затем Китай – 10,12 млн барр./сутки [11].
Налицо положительная динамика объемов реализации нефтепродуктов компании «Роснефть» на внутреннем рынке России, причем в 2018 г. объемы продаж достигли 40,5 млн т, что на 3 % выше показателя 2017 г. ПАО «НК «Роснефть» принадлежит первенство как крупнейшему биржевому продавцу моторных топлив в России. «Роснефть» стоит в одном ряду с такими крупнейшими отечественными корпорациями, как «ЛУКОЙЛ», «Газпромнефть» и «Сургутнефтегаз», обеспечивая совокупную добычу нефти в объеме 8,9 млн баррелей в сутки [12].
Президент России в майских указах сформулировал один из стратегических принципов развития РФ – «цифровая экономика», указав магистральные направления дальнейшего движения в «Стратегии научно-технологического развития РФ», согласно которой фундаментом для проведения инновационных трансформаций государства будут выступать цифровые технологии [13].
Как показывает практика, в современных условиях с увеличением производительности технологических мощностей, повышения быстродействия суперкомпьютеров и с появлением качественно новых программных средств, в том числе на основе искусственного интеллекта, например на базе глубокого обучения (Deep Learning) и машинного обучения (Mashin Learning), расширились области применения масштабов информационных технологий во всех сферах человеческой деятельности.
Современный продвинутый искусственный интеллект в состоянии обеспечить эффективную разработку количественных торговых и инвестиционных стратегий. Такие стратегии могут быть сгенерированы на основе распределенной системы искусственного интеллекта, например Hadoop, MapRedus и Spark. Важно отметить, что при этом происходит сочетание в использовании «простого» – эволюционного интеллекта, глубокого обучения и крупномасштабных распределенных вычислений.
Как показал анализ, использование экспертных систем на искусственном интеллекте находит все более широкое применение. Так, например, Kensho – бостонская экспертная система, своего рода Watson и Siri для аналитиков, инвесторов и трейдеров. В основе работы системы лежит использование алгоритмов NLP (natural language processing, обработка естественного языка) для ответов на важные практические вопросы. Например, что может произойти с валютами нефтедобывающих стран при падении цены нефти ниже $15 и укреплении доллара? Для получения ответа на поставленный вопрос платформа проводит анализ данных, которые могут привести к сигналам покупки или продажи, из более чем 90 000 источников.
Многие исследования посвящены разработке прогнозных моделей в сфере нефтедобычи, например Бегимкуловым Г.А. была предложена система управления нефтяным рынком на основе использования NN-системы [14, с. 61–67].
Как показал анализ, за исследуемый период 2017–2019 гг. ПАО «НК «Роснефть» демонстрирует рост основных финансовых и экономических показателей (табл. 1).
Так, например, прирост всей выручки от реализации компании 2018 к 2017 гг. составил +36,98 %. В следующем году рост продолжился, хотя несколько снизившимися темпами, и прирост составил +5,3 % в 2019 в сравнении с 2018 г. Причиной снижения темпов является действие закона убывающей отдачи, усиление всех видов риска. Представляет научный интерес предложенная Ломакиным и соавторами AI-система для прогноза финансового результата деятельности предприятий нефтяной отрасли РФ [15, с. 98–103].
Несмотря на положительную динамику основных экономических и финансовых показателей компании «Роснефть», в свете последних событий в деятельности компании наблюдаются значительные изменения. Нефть дешевеет с начала 2020 г. из-за распространения коронавируса, последовавшего снижения спроса на сырье, разрыва сделки ОПЕК+. Так, 23 марта цена Brent на Лондонской межконтинентальной бирже упала ниже $25 за баррель, а к 12.00 (МСК) выросла до $25,7.
Топ-менеджеры компании вынуждены срочно предпринимать определенные меры. Известно, что уставный капитал «Роснефти» составляет 105 млн 981 тыс. 778,17 рубля, он разделен на 10 млрд 598 млн 177 тыс. 817 акций номиналом 0,01 рубля. Чтобы способствовать инвестиционной привлекательности своим акциям «Роснефть» сообщила, что 17 апреля в рамках buyback купила 200 000 акций и 1 588 8196 млн глобальных депозитарных расписок (GDR). С начала реализации программы 23 марта 2020 г. компания купила 20 426 754 своих бумаг. Однако, несмотря на новость о выкупе, акции «Роснефти» продолжают дешеветь: по состоянию на 12.00 (МСК) падение составило почти 7 %. С начала года капитализация компании упала на 40 % [16] (рис. 1).
Таблица 1
Динамика прибылей и убытков ПАО «Роснефть», млрд руб.
|
|
2017 г. |
2018 г. |
2018 в % к 2017 |
2019 г. |
2019 в % к 2018 |
|
Выручка от реализации – всего |
6014 |
8238 |
136,98 |
8676 |
105,3 |
|
Затраты и расходы – всего |
5390 |
6954 |
129,02 |
7371 |
106,0 |
|
Прибыль до налогообложения |
395 |
832 |
210,63 |
997 |
119,8 |
|
Налог на прибыль |
–98 |
–183 |
186,73 |
–192 |
104,9 |
|
Чистая прибыль |
297 |
649 |
218,52 |
805 |
124,0 |
|
Чистая прибыль (акционерам Роснефти) |
222 |
549 |
247,30 |
708 |
129,0 |
|
Чистая прибыль, (акционерам Роснефти) на одну обыкновенную акцию, руб. |
20,95 |
51,8 |
247,26 |
66,81 |
129,0 |
|
Ср. количество акций в обращении, млн шт. |
10598 |
10598 |
100,00 |
10598 |
100,0 |
|
Рентабельность продаж, % |
4,9 |
7,9 |
|
9,3 |
117,8 |
«Роснефть» могла снять ограничения по цене сделок, предполагают эксперты «Нафко». Как известно, цена акций фиксируется советом директоров и должна определяться их рыночной стоимостью. По общему правилу, эмитент стремится выкупить акции по выгодной ему цене, а акционеры – продать не ниже рынка и с учетом возможного роста их стоимости. В обычной ситуации программа выкупа корректируется с учетом изменений стоимости актива. «Роснефть» же, указывая на отказ от изменения стоимости программы и других ключевых параметров, судя по всему, демонстрирует готовность выкупать акции по цене выше рынка, повышая, таким образом, их привлекательность [17].
Теоретически выкуп может поддержать котировки, компания сможет использовать акции либо для поощрения менеджмента, либо для продажи в будущем, при более высоких ценах. «Роснефть», скорее всего, не будет использовать все $2 млрд. На рис. 1 можно проследить, как падали цены на акции «Роснефть» в результате резкого падения мировых цен на нефть из-за срыва подписания соглашения между участниками ОПЕК+.
Разнонаправленно действующие факторы внешней среды, имеющие нелинейные характеристики, оказывают существенное влияние на финансовые показатели компании в условиях рыночной неопределенности и нарастания всех видов риска. В подобных условиях важную роль играет использование систем искусственного интеллекта для прогноза развития событий. Для формирования системы искусственного интеллекта – нейросети воспользуемся возможностями программы Deductor, разработанной компанией BaseGroup. Сформируем нейросетевую модель – персептрон для прогнозирования чистой прибыли компании «Роснефть» на следующий таймфрейм – квартал.
В процессе проведения исследования был сформирован персептрон, который имеет входной слой, включающий девять параметров: квартал – Q, цена акции «Роснефть» – P (руб.), индекс RTS, цена на нефть марки Brent ($), курс американского доллара – USD, выручка (млрд руб.), индекс – S&P500, цена на золото – AU ($/oz), прибыль чистая, млрд руб. Кроме того, имеется два скрытых слоя и один – выходной, с одним параметром – «прогноз прибыли «Роснефти»». Как известно, на Лондонской бирже котировки золота проводятся в долларах за тройскую унцию, 1 тройская унция (oz) = 31,1034768 грамма.
Сформированная нейросетевая модель обучалась «методом обратного распространения ошибки без учителя». Обучающая выборка была разделена программой на «обучающую» – 95 % и «тестовую» – 5 % части. Обучающий набор нейросети представлен в табл. 2.
Используя современные фактические значения по котировкам и другим входным параметрам модели, авторы получили расчетные значения прогноза по чистой прибыли компании «Роснефть». Граф нейросети представлен на рис. 2.
Рис. 1. Динамика акций компании «Роснефть» в марте 2020 г.
Таблица 2
Исходные данные AI-модели
Рис. 2. Граф персептрона
Рис. 3. Анализ статистических параметров
В персептроне использован тип срабатывания нейрона – «сигмоида». Анализ статистических параметров модели позволяет получить важную информацию, касающуюся характеристики каждого из факторов, включенных в нейросетевую модель (рис. 3).
Для проверки работоспособности нейросетевой модели применялись определенные настройки, которые соответствующим образом повлияли на результаты работы сформированной системы искусственного интеллекта.
Разработанная нейросетевая модель отличается низким уровнем ошибки, которая не превышает 0,454 %. Прогнозные значения размера чистой прибыли и ошибка прогноза поквартально представлены на рис. 4.
Как показывает практика, стремительное развитие пандемии COVID-19 привело к значительному сокращению объемов производства во всех странах мира, следствием чего является обвал нефтяного рынка в связи с глобальным падением спроса на нефть. В целях стабилизации нефтяного рынка, как известно, предпринимались попытки стран-экспортеров нефти, проходившие в формате «ОПЕК+» с участием России. Кризис на нефтяном рынке ставит под угрозу прибыльность деятельности нефтяных компаний. Представляет практический интерес исследование возможной динамики чистой прибыли компании в условиях рыночной неопределенности.
Использование функции «что, если» в программе Deductor позволяет получить прогноз чистой прибыли компании в зависимости от динамики входных параметров, использованных в модели (рис. 5).
Эксперты технического анализа рассматривают множество вариантов поведения цены на нефть в ближайшем и отдаленном будущем, например среди возможных вариантов поведения цены на нефть могут быть: «Дракон», «Волны Вульфа» и другие.
Воспользуемся информацией о потребительских предпочтениях инвесторов, вкладывающих деньги в нефтяные опционы. Так, цена последней сделки на MoEx на 14 апреля 2020 г. на опцион BR-5.20 (нефть марки Brent), судя по пикам значений на графике, подсказывает нам два наиболее вероятных уровня от фактической цены 30 долларов: вниз – 23 доллара и вверх от нее – 50 долларов.
Рис. 4. Прогнозные значения и ошибка прогноза
Рис. 5. Использование функции «что, если» для прогноза чистой прибыли компании
Таблица 3
Нейропрогноз чистой прибыли компании «Роснефть» на основе AI-модели
|
Наименование |
2019 г. |
Прогноз |
Отклонение, % |
||
|
Пессимистичный |
Оптимистичный |
По I варианту |
По II варианту |
||
|
Квартал, Q |
4 |
1 |
1 |
– |
– |
|
Цена акции «Роснефть» – P, руб. |
449,4 |
313,9 |
381,65 |
69,8 |
84,9 |
|
Индекс RTS |
3045,87 |
1078 |
2061 |
35,4 |
67,7 |
|
Цена на нефть марки Brent, $ |
67,47 |
28 |
80 |
41,5 |
118,6 |
|
Курс американского доллара – USD, руб. |
61,91 |
70 |
55 |
113,1 |
88,8 |
|
Выручка, млрд руб. |
8490 |
5094 |
8490 |
60,0 |
100,0 |
|
Индекс S&P500 |
3236,2 |
2874 |
3236 |
88,8 |
100,0 |
|
Цена на золото – AU, долларов за тройскую унцию |
1486 |
1684 |
1350 |
113,3 |
90,8 |
|
Прибыль чистая, млрд руб. |
66,81 |
6,2221 |
66,1632 |
9,3 |
99,0 |
Представляется целесообразным сформировать нейросетевой прогноз чистой прибыли компании «Роснефть» на следующий период (I квартал 2020 г.), принимая во внимание пессимистичный и оптимистичный варианты развития событий.
С помощью функции «что, если» на платформе Deductor можно получить прогнозное значение прибыли «Роснефти». В нашем случае прогнозные значения были получены и составили: для пессимистичного варианта 6,2221 млрд руб., а для оптимистичного 66,1632 2221 млрд руб.
Таким образом, прогнозные значения чистой прибыли компании «Роснефть» на I квартал 2020 г. успешно получены (табл. 3).
Исследования показывают, что в случае негативного развития событий – при пессимистическом варианте компания «Роснефть» может получить в следующем квартале 6,222 млрд руб. чистой прибыли, а при оптимистичном варианте – 66,163 млрд руб.
Современными технологическими трендами становятся:
– применение новейших достижений в области науки о данных и машинного обучения на финансовых рынках посредством объединения передовых методов машинного обучения с финансовой экспертизой в целях создания стратегий абсолютного возврата инвестиций;
– превращение искусственного интеллекта в сильный драйвер в создании ландшафта посттрейдинговых услуг, а также создании сервисов-консультантов, так называемых Rob-эдвайзеров;
– использование AI-систем в управлении финансами компании, которые представляют собой сложный и многосоставной процесс.
Выводы
На основе вышеизложенного можно сделать определенные выводы:
1. Как показывают исследования, важное значение имеет применение систем искусственного интеллекта предприятиями нефтяной отрасли, представляющих собой инструмент инновационного подхода.
2. В ряде исследований авторами проводятся разработки прогнозных моделей в нефтяной сфере, однако в современных условиях важно использование мирового опыта применения искусственного интеллекта.
3. Гипотеза подтверждена на основе применения AI-системы, получен прогноз по чистой прибыли компании «Роснефть», который составил для пессимистичного варианта 6,2221 млрд руб., а для оптимистичного 66,1632 млрд руб.
Библиографическая ссылка
Ломакин Н.И., Дженнифер О.Ч., Езангина И.А., Шевченко С.А., Бескоровайная Н.Н. ПРОГНОЗИРОВАНИЕ ПРИБЫЛИ ПАО «НК «РОСНЕФТЬ» С ПОМОЩЬЮ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ // Фундаментальные исследования. – 2020. – № 5. – С. 117-124;URL: https://fundamental-research.ru/ru/article/view?id=42757 (дата обращения: 18.04.2024).